論文の概要: Completing Partial Point Clouds with Outliers by Collaborative Completion and Segmentation

• arxiv url: http://arxiv.org/abs/2203.09772v1
• Date: Fri, 18 Mar 2022 07:31:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-21 15:10:59.019815
• Title: Completing Partial Point Clouds with Outliers by Collaborative Completion and Segmentation
• Title（参考訳）: 協調補完とセグメンテーションによる外れ値のある部分点雲の完成
• Authors: Changfeng Ma, Yang Yang, Jie Guo, Chongjun Wang, Yanwen Guo
• Abstract要約: 本稿では,騒音や外乱により汚染された点雲を補うために,CS-Netというエンドツーエンドネットワークを提案する。 我々の総合的な実験と、最先端の完成法との比較は、我々の優位性を示している。
• 参考スコア（独自算出の注目度）: 22.521376982725517
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most existing point cloud completion methods are only applicable to partial point clouds without any noises and outliers, which does not always hold in practice. We propose in this paper an end-to-end network, named CS-Net, to complete the point clouds contaminated by noises or containing outliers. In our CS-Net, the completion and segmentation modules work collaboratively to promote each other, benefited from our specifically designed cascaded structure. With the help of segmentation, more clean point cloud is fed into the completion module. We design a novel completion decoder which harnesses the labels obtained by segmentation together with FPS to purify the point cloud and leverages KNN-grouping for better generation. The completion and segmentation modules work alternately share the useful information from each other to gradually improve the quality of prediction. To train our network, we build a dataset to simulate the real case where incomplete point clouds contain outliers. Our comprehensive experiments and comparisons against state-of-the-art completion methods demonstrate our superiority. We also compare with the scheme of segmentation followed by completion and their end-to-end fusion, which also proves our efficacy.
• Abstract（参考訳）: ほとんどの既存の点雲補完法は、ノイズや外れ値のない部分点雲にしか適用できないが、実際には必ずしも成り立たない。 本稿では,ノイズや異常値を含む点群を完結させるために,cs-netと呼ばれるエンドツーエンドネットワークを提案する。 CS-Netでは、コンプリートモジュールとセグメンテーションモジュールが協調して互いに促進し、特別に設計されたカスケード構造から恩恵を受けています。 セグメンテーションの助けを借りて、よりクリーンなポイントクラウドが補完モジュールに供給される。 我々は,FPSとセグメンテーションによって得られたラベルを併用してポイントクラウドを浄化し,KNNグループ化を改良した新しい補完デコーダを設計する。 完了モジュールと分割モジュールは相互に有用な情報を交互に共有し、予測の品質を徐々に改善する。 ネットワークをトレーニングするために、不完全な点雲が外れ値を含む実例をシミュレートするデータセットを構築しました。 総合的な実験と最先端の完成方法との比較は,我々の優越性を示している。 また,セグメンテーションのスキームと,その完了とエンドツーエンドの融合を比較し,有効性も証明した。

関連論文リスト

• P2C: Self-Supervised Point Cloud Completion from Single Partial Clouds [44.02541315496045]
  ポイント雲の完成は、部分的な観測に基づいて完全な形状を復元することを目的としている。 既存の手法では、学習には完全な点雲か、同じ物体の複数の部分的な観察が必要である。 Part2Completeは、ポイントクラウドオブジェクトを補完する最初の自己管理型フレームワークです。
  論文  参考訳（メタデータ） (2023-07-27T09:31:01Z)
• CasFusionNet: A Cascaded Network for Point Cloud Semantic Scene Completion by Dense Feature Fusion [14.34344002500153]
  本稿では,高密度特徴融合によるポイントクラウドセマンティックシーン補完のための新しいカスケードネットワークCasFusionNetを提案する。 上記の3つのモジュールを,各レベルでの高密度な特徴融合によって整理し,合計4つのレベルをカスケードし,各レベル間の特徴融合を十分な情報利用に活用する。
  論文  参考訳（メタデータ） (2022-11-24T16:36:42Z)
• Reconstruction-Aware Prior Distillation for Semi-supervised Point Cloud Completion [10.649666758735663]
  現実世界のセンサーは、しばしば不完全で不規則でノイズの多い点雲を発生させる。 本稿では,新しい半教師付き点雲補完法であるRADを提案する。
  論文  参考訳（メタデータ） (2022-04-20T02:14:20Z)
• Learning a Structured Latent Space for Unsupervised Point Cloud Completion [48.79411151132766]
  部分点雲と完全点雲の両方を符号化する統一的で構造化された潜在空間を学習する新しいフレームワークを提案する。 提案手法は、合成ShapeNetと実世界のKITTI、ScanNet、Matterport3Dデータセットの両方において、最先端の教師なし手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2022-03-29T13:58:44Z)
• CP-Net: Contour-Perturbed Reconstruction Network for Self-Supervised Point Cloud Learning [53.1436669083784]
  本稿では,CP-Net(Contour-Perturbed Restruction Network)を提案する。 分類では、ModelNet40(92.5%の精度)とScanObjectNN(87.9%の精度)の完全教師付き手法で競合する結果を得る。
  論文  参考訳（メタデータ） (2022-01-20T15:04:12Z)
• Voxel-based Network for Shape Completion by Leveraging Edge Generation [76.23436070605348]
  エッジ生成(VE-PCN)を利用した点雲補完のためのボクセルネットワークを開発した。 まず点雲を正規のボクセル格子に埋め込み、幻覚した形状のエッジの助けを借りて完全な物体を生成する。 この分離されたアーキテクチャとマルチスケールのグリッド機能学習は、より現実的な表面上の詳細を生成することができる。
  論文  参考訳（メタデータ） (2021-08-23T05:10:29Z)
• Cascaded Refinement Network for Point Cloud Completion with Self-supervision [74.80746431691938]
  形状整形のための2分岐ネットワークを提案する。 第1分枝は、完全なオブジェクトを合成するためのカスケード形状補完サブネットワークである。 第2のブランチは、元の部分入力を再構築する自動エンコーダである。
  論文  参考訳（メタデータ） (2020-10-17T04:56:22Z)
• Refinement of Predicted Missing Parts Enhance Point Cloud Completion [62.997667081978825]
  点雲完了は、部分的な観測から3次元形状の点集合表現を用いて完全な幾何学を予測するタスクである。 従来のアプローチでは、不完全点集合によって供給されるエンコーダ・デコーダモデルにより、点雲全体を直接推定するニューラルネットワークが提案されていた。 本稿では、欠落した幾何を計算し、既知の入力と予測点クラウドを融合することに焦点を当てたエンドツーエンドニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-10-08T22:01:23Z)
• Cascaded Refinement Network for Point Cloud Completion [74.80746431691938]
  本稿では,細かな物体形状を合成するための粗大な戦略とともに,カスケード型精細化ネットワークを提案する。 部分入力の局所的な詳細と大域的な形状情報を合わせて考えると、既存の詳細を不完全点集合に保存することができる。 また、各局所領域が同じパターンと基底的真理を持つことを保証し、複雑な点分布を学習するパッチ判別器を設計する。
  論文  参考訳（メタデータ） (2020-04-07T13:03:29Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。